博客

关于模型、记忆与生成过程的研究笔记。把不同领域的方法放在同一张图里，也把它们不能互相替代的地方说清楚。

模型为什么越走越偏：从 LLM 强化学习到自回归视频的 Drift

发布于： 2026 年 9 月 26 日

从 Score Centering、BPO、MaxRL 到 Self Forcing、视频偏好优化与 KV 量化校正：用分布、反馈循环和干预位置，理解不同 domain 的 drift。